AI算法工程师

该职位来源于猎聘 工作内容 1.负责 AI 应用的方案设计、开发与落地，完成从业务需求分析、数据处理、模型开发到系统部署和效果评估的全流程工作。 2.基于 YOLO 等目标检测算法开展模型训练、调优与工程化应用，解决工业视觉检测、目标识别、缺陷检测等实际问题。 3.结合设备运行数据、传感器时序数据及历史故障数据，参与预测性维护、故障预测、异常检测和设备健康状态评估等应用的开发与落地。 4.重点负责 AI Agent Harness 的设计与开发，包括任务编排、工具调用、上下文管理、状态管理、权限控制、执行追踪、异常恢复及评估机制建设。 5.运用 Loop Engineering 方法构建“执行—评估—反馈—优化”的持续迭代闭环，不断提升 Agent 的任务成功率、稳定性和执行效率。 6.负责大模型、视觉模型及时序预测模型的本地化部署、推理服务搭建和性能优化，满足数据安全、低延迟、高可用及离线运行等业务需求。 7.推动 AI 算法与现有业务系统、生产设备及内部平台集成，解决算法从实验环境进入实际生产环境过程中的工程问题。 8.建立模型及 Agent 的测试、评估、监控和回归验证体系，持续分析失败案例并优化模型、提示词、工具链和执行流程。 任职要求 1.精通 .NET，Python 后端开发，具备良好的代码编写习惯与面向对象设计能力。 2.精通 MSSQL、Oracle、Pgsql 数据库，具备复杂的数据库设计、查询优化及SQL编写能力。 3.熟练使用 Python，掌握 PyTorch 等深度学习框架，具备完整的 AI 应用开发能力。 4.熟练掌握 YOLO 系列目标检测算法，具备数据集构建、模型训练、参数调优、效果评估、推理优化及部署经验。 5.了解预测性维护的基本业务流程，熟悉常见时序预测及异常检测算法，如 ARIMA、XGBoost、LSTM、TCN、Transformer 等，能够处理设备传感器时序数据。 6.具备实际的算法落地经验，能够独立完成从业务问题定义、算法选型、模型开发到生产环境部署和效果验证的完整流程。 7.具备较强的 AI Agent Harness 设计与开发能力，能够构建包含模型、工具、任务编排、上下文、记忆、状态、权限、可观测性及异常恢复机制的 Agent 运行框架。 8.具备大模型、视觉模型或时序模型的本地部署经验，熟悉 Linux、Docker，并掌握 ONNX、TensorRT、vLLM、Ollama 等一种或多种推理部署及优化技术。 9.理解并能够实践 Loop Engineering，能够通过自动评估、失败分析、反馈回流、回归测试和持续迭代提升 AI 系统效果。 10.熟悉 Prompt Engineering、RAG、MCP、Function Calling、工作流编排等 AI 应用开发技术，并能够根据实际场景完成工程化集成。 11.具备深厚的平台框架维护经验及解决复杂生产环境问题的调试能力。